Klasifikasi Gambar Landscape Berdasarkan Fitur Warna dan Tekstur Menggunakan Algoritma KNN

Abstract

Content Based Image Retrieval (CBIR) merupakan teknologi yang memungkinkan pencarian gambar berdasarkan content. CBIR bekerja dengan cara mengukur kemiripan gambar query dengan semua gambar yang ada dalam database sehingga query cost berbanding lurus dengan jumlah gambar dalam database. Membatasi range pencarian gambar dengan cara melakukan klasifikasi merupakan salah satu cara untuk mengurangi query cost pada CBIR.

                Tujuan implementasi algoritma K-Nearest Neighbor untuk klasifikasi gambar landscape serta mengukur tingkat akurasi dan waktu klasifikasinya. Dalam penelitian ini dibangun sebuah perangkat lunak yang dapat mengekstrak fitur warna dan tekstur dari sebuah gambar landscape dengan menggunakan metode Color Histogram dan Edge Histogram Descriptor. Hasil dari proses ekstraksi fitur kemudian digunakan oleh perangkat lunak dalam proses learning dan klasifikasi dengan metode K-Nearest Neighbor. Perangkat lunak dibangun dengan metode analisis dan perancangan terstruktur kemudian diimplementasikan dengan Matlab

                Software yang dihasilkan kemudian diuji dengan parameter tingkat akurasi dan waktu klasifikasi. Hasil pengujian menunjukkan bahwa kombinasi fitur warna dan tekstur memberikan tingkat akurasi yang lebih tinggi dibandingkan dengan klasifikasi berdasarkan fitur warna saja atau tekstur saja namun membutuhkan waktu klasifikasi yang lebih lama.